בינה מלאכותית (AI) ממוקמת להשפיע כמעט על כל תעשייה, כולל שירותי בריאות. מחקר חדש מצביע על כך שמודלים של למידת מכונה יכולים לזהות במהירות ובמחיר סביר יותר נשים עם ירידה קוגניטיבית סובייקטיבית חמורה במהלך המעבר למנופאוזה, ולמעשה פותחים את הדלת לניהול טוב יותר של בריאות קוגניטיבית. תוצאות המחקר מתפרסמות באינטרנט היום ב הַפסָקַת וֶסֶתכתב העת של The Menopause Society.
ירידה קוגניטיבית סובייקטיבית מתייחסת לירידה הנתפסת של אדם בזיכרון או בתפקודים קוגניטיביים אחרים. ירידה קוגניטיבית, אחת התסמינים השכיחים יותר הקשורים למעבר גיל המעבר, מדאיגה במיוחד, מכיוון שהיא לא רק משפיעה על איכות החיים של האישה אלא יכולה גם להצביע על סיכון גבוה יותר למחלות ניווניות קשות, כמו מחלת אלצהיימר.
עדויות קודמות מצביעות על מספר גורמי סיכון לירידה קוגניטיבית, כולל הזדקנות, יתר לחץ דם, השמנת יתר ודיכאון, בין היתר. אתגר הוא שרוב המודלים הנוכחיים לבריאות קוגניטיבית מתרכזים סביב דמנציה, מחלה חשוכת מרפא המציעה הזדמנויות מוגבלות להתערבות קלינית. למרות שירידה קוגניטיבית סובייקטיבית לא תמיד מנבאת שינויים קוגניטיביים ארוכי טווח או דמנציה, מודל חיזוי לירידה קוגניטיבית וגורמים קשורים יכול לאפשר התערבות מוקדמת כדי להגן על הבריאות הקוגניטיבית.
הבדיקות הקיימות לביצועים קוגניטיביים מבוססות במידה רבה על מודלים המשלבים בדרך כלל מדדי מעבדה שונים כגון גלוקוז בדם, שומנים בדם והדמיית מוח. המורכבות והעלות הגבוהה של מודלים אלו הופכים אותם לרוב לבלתי מעשיים ליישום במסגרת קלינית. לשם השוואה, מודלים מבוססי שאלונים מציעים אלטרנטיבה פשוטה וחסכונית יותר. מודלים אלה מסתמכים על מספר משתנים בלתי תלויים, כולל גורמים סוציו-דמוגרפיים, הקשורים לעבודה, הקשורים למחזור, אורח חיים וגורמים הקשורים לבריאות הנפש.
למידת מכונה הראתה בשנים האחרונות פוטנציאל אדיר בתחום הבריאות הקוגניטיבית. על ידי כריית דפוסים ומגמות ממערכי נתונים גדולים, הוא יכול לבנות מודלים מדויקים ואמינים ולהפוך את הטיפול לאוטומטי של קשרי משתנים מורכבים. במחקר האחרון שכלל יותר מ-1,200 נשים שעוברות את המעבר לגיל המעבר, הצליחו החוקרים לפתח ולאמת מודל למידת מכונה לזיהוי נשים שחוות ירידה קוגניטיבית סובייקטיבית חמורה, יחד עם גורמים נלווים.
ממצאים אלה מספקים הדרכה חדשה להתערבויות שנועדו לשמר בריאות קוגניטיבית בנשים העוברות את המעבר לגיל המעבר. דרוש מחקר נוסף כדי לאמת תוצאות אלו ולזהות גורמי השפעה פוטנציאליים נוספים.
מחקר זה מדגיש כיצד ניתן להפעיל את השימוש בלמידת מכונה כדי לזהות נשים שחוות ירידה קוגניטיבית סובייקטיבית חמורה במהלך המעבר למנופאוזה וגורמים פוטנציאליים קשורים. זיהוי מוקדם של אנשים בסיכון גבוה עשוי לאפשר התערבויות ממוקדות להגנה על הבריאות הקוגניטיבית. מחקרים עתידיים הכוללים מדדים אובייקטיביים של קוגניציה ומעקב אורך חיוניים להבנה טובה יותר של הקשרים הללו."
ד"ר סטפני פאוביון, מנהלת רפואית, האגודה למנופאוזה